面向重复运动群体智能自主体控制网络安全性评估及优化技术研究

This project conducts research on security evaluation and optimization of multi-agent control networks with repeating character, which is a frontier of multi-agent system control domain. For repetitive movements of control systems, we adopt the method of iterative learning control, study the influence of the network attacks on the control system performance, and establish the multi-agent system control network security evaluation model; And on this basis, we use intelligent optimization algorithm to study the network topology structure parameters with the ability to resist malicious attacks and ILC parameter optimization technique. The conduct of this project will promote the development of multi-agent control network security evaluation and optimization method, and provide strong theoretical basis for iterative learning control that apply to the multi-agent control systems.

本项目开展具有重复运动特性的群体智能自主体控制网络安全性评估及优化的研究，是群体智能自主体系统控制领域的研究前沿。重点考虑针对具有重复运动性质的群体智能自主体系统，采用迭代学习控制方法，深入研究网络恶意攻击对群体智能自主体控制系统性能的影响，建立群体智能自主体控制网络安全性能评估参数化模型，并在此基础上，借助智能优化算法，深入研究具备抵御恶意攻击能力的网络拓扑结构参数与ILC参数优化技术。本项目的研究可促进群体智能自主体控制网络安全性评估与优化方法的发展，为迭代学习控制在群体智能自主体控制系统中的应用提供有力的理论基础。

本项目主要围绕具有重复运动特性的群体智能自主体控制网络安全性评估及优化问题开展研究工作。首先，重点考虑了针对具有重复运动性质的群体智能自主体系统，采用迭代学习控制方法，深入研究了网络恶意攻击对群体智能自主体控制系统性能的影响，构建了群体智能自主体控制网络安全性能评估参数化模型。并在此基础上，借助智能优化算法，深入研究了具备抵御恶意攻击能力的网络拓扑结构参数与ILC参数优化技术。最后以无线传感器网络时钟同步和多无人机协同编队为实验，对课题所提出的算法进行了实验验证。本项目的研究促进了群体智能自主体控制网络安全性评估与优化方法的发展，促进了迭代学习控制技术在群体智能系统自主控制理论的发展及潜在的应用。在本项目的执行过程中，共发表学术论文26篇，其中国际SCI源期刊论文20篇，包括IEEE会刊5篇，授权国家发明专利2项，培养硕士研究生6名，博士研究生5名。